mcpField
P
prompt-optimizer

prompt-optimizer

github.com/chujianyunエージェントワークフロー749210 回インストール2 週間前に更新
リポジトリ

prompt-optimizer について

タスクの説明を実行しやすいプロンプトに整えるスキルです。依頼を分析し、分野と複雑さに応じてフレームワークを選び、必要な情報を確認して、反復調整できるプロンプトを生成します。

主な機能

  1. 01既存プロンプトと依頼の分析
  2. 02分野・複雑さに応じた選定
  3. 03不足情報の確認質問
  4. 04構造化プロンプトの生成と改善
  5. 05選定理由の説明

活用シーン

  1. 01曖昧なアイデアをタスク用プロンプトに変換
  2. 02特定分野向けプロンプトの改善
  3. 03簡単なプロンプトを過剰設計せずに整える

インストール

コマンドをコピーしてターミナルで実行します。

$npx skills add https://github.com/chujianyun/skills --skill prompt-optimizer

インストール後、Claude Code で/prompt-optimizerを入力して読み込まれたか確認します。

同梱ファイル

SKILL.md と一緒にインストールされる参考資料やスクリプト。

LICENSE.txt
references/
Frameworks_Summary.md
references/frameworks/
01_RACEF_Framework.md
02_CRISPE_Framework.md
03_BAB_Framework.md
04_Tree_of_Thought_Framework.md
05_RICE_Framework.md
06_RELIC_Framework.md
07_SCAMPER_Framework.md
08_BLOG_Framework.md
09_Six_Thinking_Hats_Framework.md
10_CIDI_Framework.md
11_SPEAR_Framework.md
12_Few_shot_Framework.md
13_Zero_shot_Framework.md
14_FOCUS_Framework.md
15_RACE_Framework.md
16_Blooms_Taxonomy_Framework.md
17_Pros_and_Cons_Framework.md
18_3Cs_Model_Framework.md
19_4S_Method_Framework.md
20_APE_Framework.md
21_CAR_PAR_STAR_Framework.md
22_CARE_Framework.md
23_ELI5_Framework.md
24_Challenge_Solution_Benefit_Framework.md
25_COAST_Framework.md
26_Elicitation_Framework.md
27_ERA_Framework.md
28_Five_Ws_and_One_H_Framework.md

詳細

Prompt Optimizer

ユーザーが具体的なタスクの場面に基づいて適切なプロンプトフレームワークを選び、より明確で実行可能なプロンプトを作成できるよう支援します。

設計パターン

このスキルでは、主に次のパターンを採用します。

  • Reviewer:まず、ユーザーが提示したプロンプトやタスクの説明に問題がないかを判断します
  • Inversion:情報が不足している場合は、目標、対象者、制約、形式について先に質問します
  • Generator:選択したフレームワークに基づいて、最適化したプロンプトを作成します

注意事項

  • 最初からフレームワークを当てはめず、タスクに複雑なフレームワークが本当に必要かどうかを判断してください
  • 専門的に見せるために、シンプルなプロンプトを過度に設計しないでください
  • ユーザーがプロンプトの一文をすばやく整えたいだけの場合は、長いテンプレート一式を無理に出力しないでください
  • 目標、対象者、出力形式が明確でない場合は、必要最小限の質問を先にしてください
  • 多くのフレームワーク名を並べるより、なぜそのフレームワークを選んだのかを説明することが重要です

ワークフロー

このチェックリストをコピーして、進捗を記録してください。

  • ステップ 1:ユーザーの入力を分析する
  • ステップ 2:シナリオを照合し、フレームワークを選ぶ
  • ステップ 3:フレームワークの詳細を読み込む
  • ステップ 4:曖昧な点を確認する
  • ステップ 5:最適化したプロンプトを作成する
  • ステップ 6:提示して反復する

ユーザーから作成またはプロンプトの最適化を依頼された場合は、次の手順に従ってください。

ステップ 1:ユーザーの入力を分析する

ユーザーからの依頼を受け取ります。依頼には、次のようなものがあります。

  • 最適化が必要な未加工のプロンプト
  • タスクの説明や要件
  • プロンプトに変換する必要がある曖昧なアイデア
ステップ 2:シナリオを照合し、フレームワークを選ぶ

references/Frameworks_Summary.md ファイルを読み、次のことを行います。

  1. 記載されている適用シナリオから、ユーザーのシナリオを特定する
  2. 次の観点に基づいて、最も適したフレームワークを選ぶ
    • 適用シナリオとの適合性
    • タスクの複雑さ(シンプル/中程度/複雑)
    • 分野のカテゴリ(マーケティング、意思決定分析、教育など)

複雑さに応じたフレームワーク選択ガイド:

複雑さ推奨フレームワーク
シンプル(≤3 要素)APE, ERA, TAG, RTF, BAB, PEE, ELI5
中程度(4-5 要素)RACE, CIDI, SPEAR, SPAR, FOCUS, SMART, GOPA, ORID, CARE, ROSE, PAUSE, TRACE, GRADE, TRACI, RODES
複雑(6+ 要素)RACEF, CRISPE, SCAMPER, Six Thinking Hats, ROSES, PROMPT, RISEN, RASCEF, Atomic Prompting

分野別のフレームワーク選択ガイド:

分野推奨フレームワーク
マーケティングコンテンツBAB, SPEAR, Challenge-Solution-Benefit, BLOG, PROMPT, RHODES
意思決定分析RICE, Pros and Cons, Six Thinking Hats, Tree of Thought, PAUSE, What If
教育・トレーニングBloom's Taxonomy, ELI5, Socratic Method, PEE, Hamburger Model
製品開発SCAMPER, HMW, CIDI, RELIC, 3Cs Model
AI との対話/アシスタントCOAST, ROSES, TRACE, RACE, RASCEF
文章作成・創作BLOG, 4S Method, Hamburger Model, Few-shot, RHODES, Chain of Destiny
画像生成Atomic Prompting
簡単なタスクZero-shot, ERA, TAG, APE, RTF
複雑な推論Chain of Thought, Tree of Thought
ステップ 3:フレームワークの詳細を読み込む

最適なフレームワークを特定したら、references/frameworks/ ディレクトリから該当するフレームワークファイルを読みます。

  • ファイル名のパターン:XX_FrameworkName_Framework.md
  • 例:RACEF フレームワークの場合は、references/frameworks/01_RACEF_Framework.md を読みます

フレームワークファイルには、次の内容が含まれています。

  • フレームワークの概要と構成要素
  • 各要素の詳細な説明
  • メリットとデメリット
  • ベストプラクティスの例
ステップ 4:曖昧な点を確認する

最終的なプロンプトを作成する前に、ユーザーに次の点を確認します。

  1. 目標の明確さ:意図する成果は明確ですか?
  2. 対象者:AI の応答を受け取るのは誰ですか?
  3. コンテキストの充足度:十分な背景情報が提供されていますか?
  4. 形式要件:出力形式に関する具体的な要件はありますか?
  5. 制約:何らかの制限や制約はありますか?

次のいずれかに該当する情報がある場合は、確認の質問をしてください。

  • 欠けている
  • 曖昧である
  • 不完全である
  • 矛盾している

確認質問の例:

  • 「具体的にどのような成果を期待していますか?」
  • 「このコンテンツの対象者は誰ですか?」
  • 「形式や長さに関する要件はありますか?」
  • 「AI が考慮すべき背景情報は何ですか?」
ステップ5: 最適化されたプロンプトを生成する

選択したフレームワークを適用して、最終的なプロンプトを作成します:

  1. フレームワークの構成要素に従ってプロンプトを構造化する
  2. 明確化されたすべての情報を組み込む
  3. 明確さと具体性を確保する
  4. フレームワークが求める場合は関連する例を含める
  5. 必要な制約やガイドラインを追加する
ステップ6: 提示と反復

最適化されたプロンプトをユーザーに提示します。その際には以下を含めます:

  1. 選択したフレームワークの名前と、それを選んだ理由
  2. 完全な最適化済みプロンプト
  3. 各フレームワーク要素をどのように適用したかの説明
  4. 考えられるバリエーションや改善の提案

ユーザーが変更を求めた場合は、フレームワークの構造を維持しながらプロンプトを反復します。

フレームワーク参照ファイル

すべてのフレームワークの詳細は references/frameworks/ ディレクトリに保存されています。各ファイルには以下が含まれます:

  • 適用シナリオ
  • 説明付きのフレームワーク構成要素
  • 利点と欠点
  • 複数の実践的な例

フレームワークのクイック選択

どのフレームワークを使うべきかわからないユーザー向け:

ユーザーの発言推奨フレームワーク
「シンプルなプロンプトが必要」APE、ERA、TAG
「説得したい/販売したい」BAB、SPEAR、Challenge-Solution-Benefit
「分析したい/意思決定したい」RICE、Pros and Cons、Chain of Thought
「教えたい/説明したい」ELI5、Bloom's Taxonomy、Socratic Method
「創造的なアイデアが必要」SCAMPER、HMW、SPARK、Imagine
「構造化された文章を書きたい」BLOG、4S Method、Hamburger Model
「ステップバイステップの推論が必要」Chain of Thought、Tree of Thought
「画像を生成している」Atomic Prompting
「詳細な計画が必要」RISEN、RASCEF、CRISPE

コメント